Google DeepMind, Gemini 4 Argon'un piyasaya sürülmesinden sadece iki hafta sonra en yeni yapay zeka modeli olan Gemini 4 Carbon'u piyasaya sürdü. Yeni model, Argon'un 50 puanını dokuz puan aşarak 59 puanla Yapay Analiz Zekası Endeksi v5'in zirvesinde yer alıyor ve uzun vadeli, otonom mühendislik çalışmaları için tasarlandı. Ancak çoğu kullanıcının beklemesi gerekecek: Gelişmiş siber güvenlik yetenekleri nedeniyle Carbon, ABD hükümetinin gönüllü ön test sürecinden geçiyor ve başlangıçta yalnızca seçilmiş güvenlik uzmanlarının kullanımına sunuluyor. En son AI gelişmelerinin sürekli kapsamı için, kullanıma sunuldukça AI Buzz Wire'ı takip edin.

Önce güvenlik odaklı bir sunum

Carbon'un olağandışı yayınlanma yolu, modelin hem saldırı hem de savunma amaçlı siber çalışmalarda ne kadar yetenekli olduğunu yansıtıyor. Google, yeteneklerinin, güvenlik açıklarını tespit edip doğrulamaktan, bunları düzeltmeye kadar tüm siber savunma yaşam döngüsünü kapsadığını söylüyor. Reuters, modelin belirgin bir siber güvenlik odağına sahip olduğunu bildirdi ve Ars Technica bunu başlığında açıkça ortaya koydu: Bu, "kullanamayacağınız" bir sınır modeli - en azından henüz değil, hükümetin gelişmiş yapay zeka sistemleri için ön test sürecinde yer alıyor.

Google genel kullanılabilirlik için bir tarih açıklamadı. Ancak fiyatlandırma zaten halka açık: Karbonun maliyeti Argon ile aynı, Google'ın sınır token oranları birbirini takip eden iki model nesli boyunca değişmeden kalıyor.

Birkaç gün süren otonom çalışma için tasarlandı

Şirket, Carbon'u kalıcı ajans iş akışları gerektiren "çok daha zor, uzun ufuklu mühendislik sorunları" için tasarladığını söylüyor. Google'a göre, dahili ekipler modeli birkaç gün boyunca aralıksız çalıştırdı; bu süre zarfında model, çıkmaz sokakları kendi başına aştı ve temel neden analizi ve büyük kod tabanlarında ve düşük seviyeli yazılımlarda ince hata düzeltmeleri gibi karmaşık, çok adımlı görevleri ele aldı.

Google ayrıca, erken kullanıcı geri bildirimlerine dayanarak bilimsel akıl yürütme, çok modlu anlayış ve tam kapsamlı web geliştirme alanlarındaki gelişmeleri de rapor ediyor.

Genel olarak güçlü, kodlama konusunda hâlâ Claude'un peşinde

Karşılaştırma tablosu güçlü ancak temiz bir tarama değil. Yapay Analiz Zekası Endeksi v5'te en yüksek muhakeme kademesindeki Carbon, esas olarak karmaşık muhakeme, bilgi erişimi ve bilimsel görevlerde en yüksek puanlarla alana liderlik ediyor ve endeksin dokuz bireysel değerlendirmesinin dördünde ilk sırada yer alıyor.

Acentesel kodlamada Carbon, Argon'un 53'ünden büyük bir sıçrama yapmasına rağmen hala Anthropic'in Claude Opus'unu 5,5 puanla (59'a karşı 62) üç puan geride bırakıyor. WebDev Arena liderlik sıralamasında Carbon 89 Elo puanı kazanarak 1.769'a ulaştı ve bu da onu dördüncü sıraya yerleştirdi.

Bağımsız değerlendirmeler de benzer bir hikaye anlatıyor. Değerlendirme platformu Vals AI, Carbon'u yüzde 70,36 doğrulukla ikinci sırada, yüzde 70,85'le Claude Sonnet 5,5'in arkasında, yüzde 70,18'le Claude Opus 5,5'in önünde, Argon ise yüzde 69,24'le dördüncü sırada yer alıyor.

Yapay Analiz'in eylemli bilgi çalışması için AA-Evrak Çantası karşılaştırmasında Carbon, Argon'un 1.483'üne göre 126 puanlık bir artışla 1.609 Elo'ya ulaştı. Halen 1.678 puanla Kimi K3.1 Pro'nun, 1.659 puanla Muse Wonder'ın ve 1.638 puanla xhigh ayarıyla Grok 4.7'nin arkasında yer alıyor.

Doğruluk arttı, halüsinasyonlar da arttı

Yapay Analiz değerlendirmelerindeki cevap doğruluğu Argon ile yüzde 48'den Karbon ile yüzde 58'e yükseldi. Halüsinasyon oranı yüzde 4'ten yüzde 11'e çıktı; bu daha yüksekti ama yine de sıralamada ikinci en düşük orandı. Karşılaştırma yapmak gerekirse, The Decoder tarafından bildirilen Yapay Analiz verilerine göre, Claude Opus 5.5 ve GPT-6 Astra'nın her biri maksimum akıl yürütme ayarlarında aynı ölçümde yüzde 50 oranında yer alıyor.

Güvenlik kriterleri: mükemmele yakın bir anında enjeksiyon puanı

Güvenlik, Google'ın en büyük kazancını iddia ettiği alandır. Şirketin kendi kıyaslama seçiminde Carbon, 16 testin 15'inde ilk sırada yer alıyor ve özellikle uzun bağlam ve güvenlik görevlerinde sahadan uzaklaşıyor.

Google, Gray Swan'ın dolaylı anında enjeksiyon testinde, Carbon'un saldırı başarı oranını Argon ile yüzde 0,7'den yüzde 0,0'a düşürdüğünü ve test setindeki her manipülasyon girişimini engellediğini söylüyor. Kod Çözücü, bunun hızlı enjeksiyonun çözüldüğü anlamına gelmediği konusunda uyarıyor - test doygun görünüyor - ancak sonuç, ABD'li yetkililerin neden halka ulaşmadan önce modele dağıtım öncesi bir bakış istediğini açıklamaya yardımcı oluyor.

İki haftada iki öncü model

Hız mesajdır. İki hafta içinde iki öncü sürüm - Ekim ortasında Argon, şimdi de Carbon - bağımsız skor tablolarında zirve ve kurumsal sözleşmeler için Anthropic ve OpenAI ile rekabet eden Google DeepMind'ın agresif temposuna işaret ediyor.

Şimdilik puan tablosu şu şekilde: Carbon genel endeksin başında yer alıyor, Claude Opus 5.5 ajansal kodlama tacını elinde tutuyor ve piyasadaki en güçlü siber yetenekli model, hükümetin inceleme kapısının arkasında. Carbon daha geniş bir alana açıldığında, değişmeyen fiyatlandırma, gerçek yarışmanın indirimlerden ziyade token başına kapasiteye göre belirleneceği anlamına geliyor ve Google bu ölçümde çıtayı biraz önce yükseltti.

---

Yapay Zekanın Önünde Olun

En son AI haberlerini, analizlerini ve buluşlarını tek bir yerden alın.

Daha fazla AI haberini okuyun →